Python 空间分类器：'；unicode'；对象没有属性'；到#u数组'；

我试图用spaCy编写一个最小的文本分类器。我编写了以下代码片段来训练文本分类程序（而不训练整个NLP管道）：

但当我运行它时，它返回一个错误。这是我启动它时它给我的回溯：

Traceback (most recent call last):
  File "C:\Users\Reuben\Desktop\Classification\Classification\Training.py", line
 16, in <module>
    textcat.update([doc1, doc2], [gold1, gold2], losses=losses, sgd=optimizer)
  File "pipeline.pyx", line 838, in spacy.pipeline.TextCategorizer.update
  File "D:\Program Files\Anaconda2\lib\site-packages\thinc\api.py", line 61, in
begin_update
    X, inc_layer_grad = layer.begin_update(X, drop=drop)
  File "D:\Program Files\Anaconda2\lib\site-packages\thinc\api.py", line 176, in
 begin_update
    values = [fwd(X, *a, **k) for fwd in forward]
  File "D:\Program Files\Anaconda2\lib\site-packages\thinc\api.py", line 258, in
 wrap
    output = func(*args, **kwargs)
  File "D:\Program Files\Anaconda2\lib\site-packages\thinc\api.py", line 61, in
begin_update
    X, inc_layer_grad = layer.begin_update(X, drop=drop)
  File "D:\Program Files\Anaconda2\lib\site-packages\spacy\_ml.py", line 95, in
_preprocess_doc
    keys = [doc.to_array(LOWER) for doc in docs]
AttributeError: 'unicode' object has no attribute 'to_array'

回溯（最近一次呼叫最后一次）：
文件“C:\Users\Reuben\Desktop\Classification\Classification\Training.py”，第行
16，在
textcat.update（[doc1，doc2]，[gold1，gold2]，损耗=损耗，sgd=优化器）
文件“pipeline.pyx”，第838行，位于spacy.pipeline.TextCategorizer.update中
文件“D:\Program Files\Anaconda2\lib\site packages\thinc\api.py”，第61行，在
开始更新
十、 inc\u layer\u grad=layer.begin\u更新（X，drop=drop）
文件“D:\Program Files\Anaconda2\lib\site packages\thinc\api.py”，第176行，在
开始更新
值=[fwd（X，*a，**k）表示前进中的fwd]
文件“D:\Program Files\Anaconda2\lib\site packages\thinc\api.py”，第258行，在
包
输出=func（*args，**kwargs）
文件“D:\Program Files\Anaconda2\lib\site packages\thinc\api.py”，第61行，在
开始更新
十、 inc\u layer\u grad=layer.begin\u更新（X，drop=drop）
文件“D:\Program Files\Anaconda2\lib\site packages\spacy\\u ml.py”，第95行，在
_预处理文档
keys=[文档中文档的文档到_数组（下）]
AttributeError:“unicode”对象没有“to_数组”属性

---

我如何解决这个问题？

显然

textcat

需要黄金值，而黄金值是由

GoldParse

生成的，而不是纯文本值。工作版本如下所示：

import spacy
from spacy.pipeline import TextCategorizer
from spacy.gold import GoldParse
nlp = spacy.load('en')

doc1 = nlp(u'This is my first document in the dataset.')
doc2 = nlp(u'This is my second document in the dataset.')

gold1 = GoldParse(doc=doc1, cats={'Category1': 1, 'Category2': 0})
gold2 = GoldParse(doc=doc2, cats={'Category1': 0, 'Category2': 1})

textcat = TextCategorizer(nlp.vocab)
textcat.add_label('Category1')
textcat.add_label('Category2')
losses = {}
optimizer = textcat.begin_training()
textcat.update([doc1, doc2], [gold1, gold2], losses=losses, sgd=optimizer)

---

感谢评论中的@abarnert帮助我调试此问题。

你能将回溯作为文本而不是模糊的屏幕截图发布吗？好主意。我现在就编辑这篇文章。好的，显然问题是你传入的

textcat.update

调用的四个字符串（

unicode

对象）中至少有一个应该是其他类型的对象。我不知道是哪种类型，只是它需要一个

to_array

方法（Python的内置类型都没有，也没有numpy/scipy/pandas或其他类似的东西）。我猜这是spacy本身的某种类型。另外，我从第一个例子中注意到，他们正在做

doc1=nlp（u“我的薯条超级恶心”）

，而你在做

doc1=u'这是我在数据集中的第一个文档。

。那么，您是否只需要在某些或所有这些字符串上调用

nlp

。这听起来是一个很好的猜测，所以我现在就来试试。如果没有阅读该函数的文档（或者使用

gold

子模块的示例），我绝对不会猜到。很高兴你找到了。（但在将来，如果函数没有任何抱怨，那么直接查看文档或源代码通常是找到它期望的结果的最快方法。）

import spacy
from spacy.pipeline import TextCategorizer
from spacy.gold import GoldParse
nlp = spacy.load('en')

doc1 = nlp(u'This is my first document in the dataset.')
doc2 = nlp(u'This is my second document in the dataset.')

gold1 = GoldParse(doc=doc1, cats={'Category1': 1, 'Category2': 0})
gold2 = GoldParse(doc=doc2, cats={'Category1': 0, 'Category2': 1})

textcat = TextCategorizer(nlp.vocab)
textcat.add_label('Category1')
textcat.add_label('Category2')
losses = {}
optimizer = textcat.begin_training()
textcat.update([doc1, doc2], [gold1, gold2], losses=losses, sgd=optimizer)